资源描述：
《时间序列实验分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、时间序列实验分析1.实验目的通过时间序列的原理，运用R软件进行时间序列分析实验，建立模型，并分析实验结果。2.实验原理季节性分解存在季节性因素的时间序列数据（如月度数据、季度数据等）可以被分解为趋势因子丁、季节性因子S和随机因子/。趋势因子能捕捉到长期变化；季节性因子能捕捉到一年内的周期性变化；而随机（误差）因子则能捕捉到那些不能被趋势或季节效应解释的变化。此时，可以通过相加模型，也可以通过相乘模型来分解数据。在相加模型中，各种因子Z和应等于对应的时序值，即：□+£+4其中时刻t的观测值即这一时刻的趋势值、季节效应以及随机影响之和。而相乘模型则将时间序列表示为：Yt=TtxS{xIt即趋势项
2、、季节项和随机影响相乘。3.实验仪器和设备计算机、R软件及相应的扩展程序包。4.实验内容和步骤1）录入数据先输入房价（力）数据，再通过卅）函数生成时序对象。数据来源于国家统计局房地产商品住宅房平均销售价格的月度数据。2）绘制散点图并分析先通过画出序列，并对其进行对数变换。然后对其进行季节性分解。画出2010年至2017年时序图、季节效应图、趋势图以及随机波动项（此时将季节效应限定为每年都一样）。3)确定模型并确定模型参数"H)函数可以用来拟合有可乘项的指数模型，加入抑制因子，进行自动预测。通过刃乂)函数自动选取对原始数据拟合优度最高的模型。用有可乘项的指数模型和相加模型比较，选出拟合优度最高
3、的模型。3)分析模型输出结果并预测没有指定模型的拟合，尺软件自动搜索所有模型，并在其中找到最小化拟合标准(默认为对数似然)的模型。选中的模型同时有趋势因子7、季节性因子S和随机因子f°recas<)函数可以预测之后每月的平均房价。1.程序fj<-c(4990.80,5508.01,4931.64,5060.29,4958.57,4759.67,4705.61,4711.04,4754.43,4811.01,4817.87,4723.55,5431.95,6140.35,5430.60,5305.85,5302.72,5189.70,5185.79,5184.00,5140.23,5131.3
4、1,5095.62,5010.75,5255.96,5501.18,5302.97,5392.84,5481.85,5466.60,5540.41,5567.09,5549.47,5539.07,5494.89,5429.93,6033.25,6636.56,6346.14,6313.23,6247.89,6121.7&6096.95,6075.98,6023.45,6006.05,5935.92,5849.76,6115.99,6382.22,6213.29,6224.34,6172.91,6032.99,6023.90,6010.0&5987.43,5975.64,5955.46,593
5、2.17,6197.93,6463.70,6258.04,6406.06,6491.79,6519.83,6580.80,6602.14,6544.43,6534.53,6513.06,6472.36,6932.97,7393.59,7400.44,7448.68,7417.51,7321.62,7337.32,7361.96,7373.21,7338.97,7286.62,7202.56,7267.65,7332.73,7612.13,7652.63,7643.50,7608.81,7624.25,7625.23)tfj<-ts(fj,start=c(2010,1),end=c(2017,
6、8),frequcncy=12)tfjplot(tfj)ltfj<-log(tfj)plot(ltfj,ylab二〃log(tfj)")fitl<-stl(ltfj,s.window二〃period")plot(fitl)fiseriesexp(fitl$tiine.series)library(forccast)monthplot(tfj,xlab二“〃,ylab二“〃)seasonplot(tfj,year,labels二〃TRUE",main二“〃)fit2<-ets(log(tfj))fit2accuracy(fit2)fit3<-ets(log(tfj),model二〃AAA〃)f
7、it3accuracy(fit3)plot(forccast(fit3),main二〃tfjForccasts〃,ylab二〃fj〃,xlab二"Time",flty二2)pred<-forecast(fit3,6)predplot(pred,main=/zForecastfortfj〃，ylab二〃Log(xlab二〃Time")pred$mean<-exp(pred$mean)prcd$lowcr<-ex
